2020.6.7 编码 字符串 python前两行注释 格式化输出%与format

1、编码

ascii编码可以视为utf-8编码的一部分，utf-8对英文和一些字符的编码跟ascii相同，因此使用utf-8的可以兼容ascii，unicode编码都是两字节

 

计算机内存中，统一使用unicode编码；在需要保存到硬盘或者需要传输时，才转换为utf-8编码

用记事本编辑时，从文件读取的utf-8字符被转换为unicode编码到内存；完成后，保存的时候把unicode转换为utf-8保存到文件

浏览网页时，服务器把动态生成的unicode内容转换为utf-8再传输到浏览器，所以很多网页的源码上有

<meta charset="utf-8" />

表示该网页用utf-8编码

 

2、字符串

字符串类型为str，类比整数类型为int，可以用str进行强制类型转换将一个其他类型的数据转化为字符串

str(True)
'True'
str(123)
'123'

 

Python3中，字符串以unicode编码

可以用ord与chr分别将字符转化为对应的编码或者将编码转化为字符串

ord('中')
20013
chr(20013)
'中'

注意：1、ord不是将字符整数化，而是求出该字符对应的unicode码

2、python2中ord对非ascii字符使用时，该字符要用u''表示，chr要用unichr

 

unicode转utf-8，从内存到网页或者硬盘 encode

回到我们在1、编码中提到的，字符串在内存中的编码为unicode，对应为python的str类型；而在网络上传输，或者保存在硬盘中，要转换为utf-8编码，对应的python类型为bytes

python对bytes类型的数据用带b前缀的单引号或者双引号表示b''或b""

unicode可以通过encode方法编码为utf-8

'中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
'ABC'.encode('ascii')
b'ABC'

纯英文的str可以用ascii转换为bytes(用utf-8效果相同，因为utf-8对英文字符的编码与ascii相同)，含有中文字符的str只能用utf-8转化为bytes

bytes中，无法显示为ascii的字符，用/x##格式显示

 

utf-8转unicode，从网页/硬盘到内存 decode

如果我们从网页/硬盘上读取数据流，那么这些数据流是用utf-8表示的，属于bytes类型，用decode方法转化为str类型

方法中的参数是原类型utf-8或ascii，而不是需要转化到的类型unicode

b'ABC'.decode('ascii')
'ABC'
b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'

如果bytes中包含无法解码的字节，decode方法会报错

b'\xe4\xb8\xad\xff'.decode('utf-8')
Traceback (most recent call last):
  File "<input>", line 1, in <module>
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

如果只有一小部分字节错误，可以在decode中添加参数errors='ignore'忽视该错误字节，只转化可以转化的部分

b'\xe4\xb8\xad\xff'.decode('utf-8',errors='ignore')
'中'

 

统计字符个数:len方法

len方法可以用来统计str(unicode)中的字符数，如果用在bytes中(UTF-8)，就是统计字节数

len('ABC')
3

len('中文')
2

'中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'

len('中文'.encode('utf-8'))
6

对于上述代码的解释，unicode中，一个中文字符即对应一个字符，而utf-8中，一个中文字符对应3个字节

 

由于python源文件是文本文件，所以当代码中存在中文，保存的时候要指明保存为utf-8。当python解释器读取源代码时，为了让其按照utf-8编码，通常在文件开头写上两行

#!/usr/bin/env python3
#coding:utf-8

第一行是为了告诉Linux/OS X系统，这是一个python可执行程序，windows会自动忽略该注释

第二行是为了告诉python解释器，要按照utf-8编码方式读取代码，否则代码中的中文输出可能会出现乱码

下图是测试结果，第一行出现了乱码，原因是我用的是

print '中文'#乱码

print u'中文' #正确

 

个人认为，启动方式为python3，则不会出现这种情况，因为python默认启动的是python2

 

 

3、格式化

①格式化输出字符串，用格式化符号%

需要输出的数据处加百分号%，一段字符串结束后再用一个%加实际数据

有多个数据需要格式化时，在最后的百分号后用括号将所有数据写出

'床前明月光,%s'%'疑是地上霜'
'床前明月光,疑是地上霜'

'今天是%d年，速度是%.2fkm，这里是%s市'%(2020,45.4096,'北京')
'今天是2020年，速度是45.41km，这里是北京市'

%.2f表示保留两位小数，最后一位四舍五入，小数点前加数字类似%2.2f不论加几，效果都和不加(即%.2f)相同

但是用%2f，则会在小数最后补两个0

 

如果不确定该用什么，就用%s，不论后边输入的是不是str类型，都会转化为str类型

%2s不会对数据有任何影响

%.2s会只保留前两位，比如

'%.2s'%70.45
'70'
'%.2s'%7.45
'7.'

 

如果字符串中存在一个%普通字符，可以用两个%%表示一个普通的%，前一个%是转义字符

'增长率为%d%%'%7
'增长率为7%'

 

②format

format将字符串中的占位符{0},{1}依次替换为format内的参数，如果要指定格式，占位符应写为类似形式

{1:.2f}，表示取小数点后两位的浮点数

'今年是{0},经济增速{1:.2f}%'.format('2020年',7.4536)
'今年是2020年,经济增速7.45%'

此时%没有别的含义，不需要转义

实际上，format使用的是字符串的format方法